Organ donor management and delayed graft function in kidney transplant recipients: A multicenter retrospective cohort study
Notice bibliographique
Résumé
Meeting donor management goals (DMGs) has been reported to decrease the incidence of delayed graft function (DGF) after kidney transplant, but whether this relationship is independent of cold machine perfusion is unclear. We aimed to determine whether meeting DMGs is associated with a reduced incidence of DGF, independent of the use of machine perfusion. We collected data on consecutive brain-dead donors and their KT recipients (KTRs) between June 2013 and December 2016 in 5 adult transplant centers. We evaluated whether DMGs were met at donor neurologic death (DND) and later time points. We defined a priori meeting optimal DMG as achieving ≥7 DMGs. Generalized estimating equations were used to predict DGF. Among 122 donors, 34% were extended-criteria donors (ECDs). The number of DMGs met increased over time (5.6 ± 1.4 at DND and 6.1 ± 1.3 at organ procurement [P < .001]). DGF occurred in 23% of 214 KTRs, and 55% received organs placed on machine perfusion. In multivariate analysis, ECD (odds ratio [OR] 2.24, 95% confidence interval [CI] 1.13-4.45), use of machine perfusion (OR 0.45, 95% CI 0.22-0.94), and optimal DMG at DND (OR 0.39, 95% CI 0.16-0.99) were associated with DGF. Early achievement of DMGs was associated with a reduced risk of the development of DGF, independent of the use of machine perfusion.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».